اشتقاق توابع انتقالی برای برآورد پایداری خاکدانه‌های تر با استفاده از ابعاد فرکتالی ذرات و خاکدانه‌ها

نوع مقاله : مقاله پژوهشی

نویسندگان

1 1 - دانشیار گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی

2 - دانشجوی سابق کارشناسی ارشد گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی

3 3- استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز

4 استادیار پژوهش موسسه تحقیقات برنج کشور، رشت

چکیده

هدف از این پژوهش بررسی تأثیر ابعاد فرکتالی ذرات و خاکدانه­ها به عنوان متغیرهای اضافی بر بهبود دقت برآورد میانگین وزنی قطر خاکدانه‌های تر MWDwet)) با به­کارگیری توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی بود. به­این منظور، تعداد 90 نمونه خاک از اراضی زراعی، مرتعی و جنگلی استان اردبیل برداشته ‌شد. توزیع اندازه ذرات اولیه خاک ( mm2-0) و خاکدانه­ها ( mm75/4-0) تعیین و به­ترتیب مدل فرکتالی ینگ و همکاران و ریئو و اسپوزیتو به این توزیع­ها برازش داده شد و ابعاد فرکتالی ذرات و خاکدانه­ها به­دست‌آمد. پارامتر MWDwet نیز به­روش الک تر اندازه­گیری شد. نتایج نشان داد که بین MWDwet تر و ابعاد فرکتالی ذرات و خاکدانه­ها به­ترتیب همبستگی مثبت و منفی معنی­دار وجود دارد. استفاده از بعد فرکتالی خاکدانه­ها به­عنوان یک متغیر ورودی باعث افزایش ضریب تبیین (R2) از 71/0 به 80/0 در تابع رگرسیونی و از 78/0 به 95/0 در تابع شبکه عصبی در مرحله آموزش گردید. افزودن بعد فرکتالی خاکدانه‌ها به­عنوان تخمین­گر سبب افزایش اعتبار توابع ایجاد شده نگردید. همچنین توابع ایجاد شده با شبکه عصبی دارای دقت بیشتری نسبت به توابع رگرسیونی بودند به‌طوری­که میزان R2 در داده­های سری آموزش برای تابع شبکه عصبی 95/0 و  تابع رگرسیونی 80/0 به­دست آمد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Derivation of Pedotransfer Functions for Estimating Wet Aggregate Stability Using Fractal Dimensions of Particles and Aggregates

نویسندگان [English]

  • Sh Asghari1 1
  • M Alimohammadi2 2
  • a Ahmadi3 3
  • n Davatgar4 4
چکیده [English]

The aim of this study was to investigate the effect of fractal dimensions of particles (Dy) and aggregates (Df) as extra inputs on improvement of the estimation accuracy of wet mean weight diameter of aggregates (MWDwet) using regression and artificial neural network (ANN) pedotransfer functions (PTFs). Consequently, 90 soil samples were taken from agricultural, range and forest lands of Ardabil Province. Yang et al. and Rieu & Sposito fractal models were fitted to the primary particles (0-2 mm) and aggregates (0-4.75 mm) size distribution data, respectively, and the Dy and Df values were obtained. The MWDwet value was also determined by the wet sieving method. The results indicated that there was a significant positive correlation between wet MWDwet and Dy values and a negative correlation between wet MWDwet and Df values. Using Df as an input variable increased the R2 criteria from 0.71 to 0.80 in regression-PTF and from 0.78 to 0.95 in ANN-PTF at training stage. Adding Df as a predictor could not increase the validity of the developed PTFs. The PTF developed by ANN had higher accuracy than the PTF developed by regression method. The R2 values for training stage in ANN-PTF with using of Df as predictor was 0.95 and in regression-PTF was 0.80.

کلیدواژه‌ها [English]

  • Artificial neural network
  • Fractal theory
  • Land use
  • Regression
  • Wet Mean weight diameter of aggregates
احمدی ع، 1388. کارآیی شبکه­های عصبی مصنوعی در شبیه‌سازی فرسایش خاک و رواناب با به‌کارگیری ابعاد فرکتالی. پایان­نامه دکتری فیزیک و حفاظت خاک، دانشکده کشاورزی دانشگاه تبریز.
احمدی ع، نیشابوری م­ر و اسدی ح، 1389. ارتباط بعد فرکتالی توزیع اندازه ذرات با برخی خصوصیات فیزیکی خاک. نشریه دانش آب و خاک، جلد 1/20، شماره 4، صفحه­های 73 تا 81.
اصغری ش، دیزجقربانی­اقدم ث و اسمعلی عوری ا، 1393. بررسی تغییرات مکانی برخی شاخص­های کیفیت فیزیکی خاک در منطقه فندقلوی اردبیل با استفاده از زمین آمار. نشریه آب و خاک، جلد 28، شماره 6، صفحه­های 1271 تا 1283.
اصغری ش، هاشمیان صوفیان س، گلی کلانپا ا و محب­الدینی م، 1394. اثرات تغییر کاربری اراضی بر شاخص­های کیفیت خاک در شرق استان اردبیل. نشریه پژوهش­های حفاظت آب و خاک، جلد 22، شماره 3، صفحه­های 1 تا 19.
اصغری ش، روزبان ا و خداورد­ی­لو ح، 1395. اشتقاق توابع انتقالی برای برآورد مقاومت فروروی، پایداری خاکدانه­ و پارامترهای مدل منحنی رطوبتی ون­گنوختن در اراضی جنگلی فندقلوی اردبیل. نشریه دانش آب و خاک، جلد 26، شماره 2/1، صفحه­های 129 تا 148.
امیر عابدی ح، 1391. تخمین برخی خصوصیات فیزیکی و هیدرولیکی خاک­های منتخب از دشت اردبیل با استفاده از روش­های شبکه عصبی و رگرسیونی. پایان‌نامه کارشناسی ارشد فیزیک و حفاظت خاک، دانشکده کشاورزی دانشگاه محقق اردبیلی.
بیات ح، 1387. ایجاد توابع انتقالی برای پیش‌بینی منحنی رطوبتی از طریق شبکه‌های عصبی مصنوعی (ANNs) و مدیریت گروهی داده‌ها (GMDH) با استفاده از پارامترهای فرکتالی و تجزیه به مؤلفه‌های اصلی. پایان­نامه دکتری فیزیک و حفاظت خاک، دانشکده کشاورزی دانشگاه تبریز.
رضایی ع و سلطانی ا، 1377. مقدمه­ای بر تحلیل رگرسیون کاربردی. انتشارات دانشگاه صنعتی اصفهان.
علی­جان­پور شلمانی ع، شعبانپور م، اسدی ح و باقری ف، 1390. تخمین پایداری خاکدانه در خاک­های جنگلی استان گیلان به­وسیله شبکه­های عصبی مصنوعی و توابع انتقالی رگرسیونی. نشریه دانش آب و خاک، جلد 21، شماره 3، صفحه­های 153 تا 162.
Ahmadi A, Neyshabouri MR, Rouhipour H and Asadi H, 2011. Fractal dimension of soil aggregates as an index of soil erodibility. Journal of Hydrology 400: 305–311.
Asghari Sh, Ahmadnejad S and Keivan Behjou F, 2016. Deforestation effects on soil quality and water retention curve parameters in eastern Ardabil, Iran. Eurasian Soil Science 49(3): 338–346.
Bayat H, Ebrahimi E, Ersahin S, Hepper EN, Singh DN, Amer AN and Yukselen-Aksoy Y, 2015. Analyzing the effect of various soil properties on the estimation of soil specific surface area by different methods. Applied Clay Science 116–117: 129–140.
Blake GR and Hartge KH, 1986a. Bulk Density. Pp. 363-375. In: Klute A (ed). Methods of Soil Analysis. Part 1. Physical and Mineralogical Methods. Agron. Monogr. 9. ASA-SSSA. Madison, WI.
Blake GR and Hartge KH, 1986b. Particle Density. Pp. 377-382. In: Klute A (ed), Methods of Soil Analysis. Part 1. Physical and Mineralogical Methods. Agron. Monogr. 9. ASA-SSSA. Madison, WI.
Campbell GS, 1985. Soil Physics with Basic: Transport Models for Soil–Plant System. Elsevier, New York.
Diebold FX and Mariano RS, 2002. Comparing predictive accuracy. Journal of Business & Economic Statistics 20: 134–144.
Gee GW and Or D, 2002. Particle-size analysis. Pp. 255–293. In: Dane JH and Topp GC (eds). Methods of Soil Analysis. Part 4. Physical Methods. SSSA Book Series No. 5. Soil Science Society of America, Madison, WI.
Gulser C, 2006. Effect of forage cropping treatments on soil structure and relationships with fractals. Geoderma 131: 33-44.
Nelson RE, 1982. Carbonate and gypsum. Pp. 181-197.In: Buxton DR (ed). Methods of Soil Analysis. Part 2. Chemical Methods. Agronomy Handbook. No. 9. ASA & SSSA, Madison, WI.
Perfect E and Kay BD, 1991. Fractal theory applied to soil aggregation. Soil Science Society of America Journal 55: 1522-1558.
Perfect E, Kay BD and Rasiah V, 1993. Multifractal model for soil aggregate and fragmentation. Soil Science Society of America Journal 57: 896-900.
Rieu M and Sposito G, 1991. Fractal fragmentation, soil porosity and soil water properties: II. Application. Soil Science Society of America Journal 55: 1239–1244.
Schapp MG and Boutten W, 1996. Neural network analysis for hierarchical prediction of hydraulic properties. Soil Science Society of America Journal 62: 847–855.
Sepaskhah AR, Moosavi SAA and Boersman L, 2000. Evaluation of fractal dimensions for analysis of aggregate stability. Iranian Agricultural Research 19: 99-114.
Walkley AJ and Black IA, 1934. Estimation of soil organic carbon by the chromic acid titration method. Soil Science 37: 29-38.
Yang PL, Luo YP, Shi YC, 1993. Soil fractal character token by particle-mass distribution. Chinese Science Bulletin 38(20):1896-1899.
Yoder RE, 1936. A direct method of aggregate analysis of soils and study of the physical nature of erosion losses. Journal of American Society of Agronomy 28: 337-351.
Zhou H, Lu YZ, Yang ZC and Li BG, 2007. Influence of conservation tillage on soil aggregates, organic carbon features in north China plain. Agricultural Sciences in China 8: 1099-1106.
Zolfaghari AS, Taghizadeh-Mehrjardi R, Asadzadeh F and Hajabbasi MA, 2016. Soil structure changes due to different land-use practices in the central Zagruos region, Iran. Archives of Agronomy and Soil Science 62(2): 163-175.